畳み込み操作の制限により、既存の皮膚病変画像のセグメンテーションネットワークは画像内のグローバルな文脈情報をモデル化できず、画像のターゲット構造情報を効果的に捉えることができません。本研究では、交差自己注意符号化を組み込んだU字型ハイブリッドネットワークを設計し、皮膚病変画像のセグメンテーションに用いました。まず、設計したマルチヘッドゲーティッド位置交差自己注意エンコーダーをU字型ネットワークの最後の2レベルに導入し、画像内の意味情報の長期依存関係を学習させ、畳み込み操作のグローバルモデリング能力の不足を補います。次に、スキップ接続部分に新しい位置チャネル注意機構を導入し、融合特徴のチャネル情報を符号化し位置情報を保持して、ネットワークのターゲット構造を捉える能力を向上させます。最後に、誤検出（偽陽性）と誤否定（偽陰性）を均衡させる正則化Dice損失関数を設計し、ネットワークのセグメンテーション結果を向上させました。ISBI2017およびISIC2018データセットに基づく比較実験の結果、本論文のネットワークはDiceがそれぞれ91.48％および91.30％、IoUがそれぞれ84.42％および84.12％であり、セグメンテーション精度は全体的に他のネットワークより優れており、パラメータ数と計算コストも低いことが示されました。本ネットワークは効率的に皮膚病変画像のターゲット領域をセグメンテーションでき、皮膚疾患の支援診断に役立つことが期待されます。

医用画像セグメンテーション;皮膚病変;交差自己注意符号化;位置チャネル注意